StandUPTV习惯：维持久坐屏幕时间减少的可行性试验
该数据集来自clinicaltrials.gov，围绕一项mHealth试点研究，旨在开发并测试一种干预措施，以在12个月内维持晚间久坐屏幕时间（eSST）的减少
基本信息
资源简介
StandUPTV习惯：维持久坐屏幕时间减少的可行性试验
该数据集来自clinicaltrials.gov，围绕一项mHealth试点研究，旨在开发并测试一种干预措施，以在12个月内维持晚间久坐屏幕时间（eSST）的减少。研究对象为全国招募的2型糖尿病风险成人，采用习惯形成策略应对行为改变的个体障碍。作为ORBIT模型框架下的II期试点研究，它关注维持eSST减少与代谢健康之间的关系，结合理论与证据方法，并利用商用屏幕时间监测工具扩展StandUPTV应用。数据可用于分析久坐行为、屏幕时间、身体活动、糖代谢、睡眠质量及HbA1c水平等指标，支持行为干预与代谢健康关联的预测研究（来源 clinicaltrials.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：条件：久坐行为、屏幕时间、身体活动、糖代谢、睡眠质量、HbA1c水平。这项移动健康（mHealth）试点研究旨在开发并测试一种干预措施，设计用于在12个月期间维持晚间久坐屏幕时间（eSST）的减少。该研究将针对全国招募的有2型糖尿病风险的成人样本，并采用一种新颖的习惯形成策略来解决持续行为改变的个体障碍。作为ORBIT模型框架内的II期试点研究，本研究旨在提供关于维持eSST减少与代谢健康之间关系的关键见解。该干预结合了基于理论和证据的方法，利用市售的屏幕时间监测工具来扩展StandUPTV应用。这项试点研究将为后续研究奠定基础。
【主题与分类】
主题标签：Sedentary Behaviors、Screen Time、Physical Activity、Glucose Metabolism、Sleep Quality、HbA1c Level。本站分类：循环系统疾病。
【获取与许可】
源站页面：https://clinicaltrials.gov/study/NCT06700525
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://clinicaltrials.gov/study/NCT06700525
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
条件：久坐行为、屏幕时间、身体活动、糖代谢、睡眠质量、HbA1c水平。这项移动健康（mHealth）试点研究旨在开发并测试一种干预措施，设计用于在12个月期间维持晚间久坐屏幕时间（eSST）的减少。该研究将针对全国招募的有2型糖尿病风险的成年人样本，并采用一种新颖的习惯形成策略来应对个体在持续行为改变方面的障碍。作为ORBIT模型框架内的II期试点研究，本研究旨在提供关于维持eSST减少与代谢健康之间关系的关键见解。该干预结合了基于理论和证据的方法，利用市售的屏幕时间监测工具来扩展StandUPTV应用程序。这项试点研究将为后续的III期全效能随机临床试验奠定基础，旨在评估持续减少eSST对全国样本中糖尿病和心血管疾病风险的影响。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
